Po co ufać nam swojemu interesowi?
Bierzemy panikę z zamówień.Należymy zapasować miliony częściowych części z naszych zaufanych źródeł.Odświeżyamy nasze oferty produktów w ciągu kilku minut, a zakupy online są zakończone w czasie rzeczywistym i wysyłane codziennie.
Założona w 2002 r., Instockin jest lokalnym liderem w dystrybucji komponentów elektronicznych, a także jest również uznawany za jedną z najbardziej szanowanych i innowacyjnych firm na rynku lokalnym dzisiaj.Z siedzibą w Hong Kongu, Instockin zdobył imponującą reputację dostarczania wyjątkowej usługi i rozwijania wydajnych, kompleksowych roztworów łańcuchowych dostaw.
Ucz się więcej >
Roboty treningowe do ruchów sportowych
Czy roboty mogą poruszać się jak sportowcy?Nowy model treningowy pomaga im replikować ruchy sportowe, ale wyniki pokazują zarówno postęp, jak i nieoczekiwane wyzwania.
Zespół badaczy AI i Robotics z Carnegie Mellon University wraz z dwoma kolegami z Nvidia, stworzył nowy model do szkolenia robotów do poruszania się jak ludzcy sportowcy.Zespół zauważył, że większość treningów robotycznych koncentruje się na lokomocie, prowadząc do robotów, które poruszają się skutecznie, ale bez płynności lub atletyzmu.Aby to rozwiązać, badali trening całego ciała.Odkryli, że istniejące modele nie były możliwe do dostosowania i polegały na zbyt wielu parametrach, dzięki czemu ruchy robotów są zbyt ostrożne.Doprowadziło to do opracowania nowych dwustopniowych ram szkoleń.
Pierwszy etap trenuje moduł AI do analizy filmów z ruchu ludzkiego całego ciała, dostosowując kluczowe ruchy, aby pasowały do możliwości robota za pomocą śledzenia ruchu.Drugi etap gromadzi rzeczywiste dane, aby wypełnić lukę między ludzkim ruchem w filmach a tym, jak roboty mogą się poruszać fizycznie.Proces ten doprowadził do ramy zwanej symulacją wyrównania i rzeczywistej fizyki (najszybciej).
ASAP Framework składa się z czterech kroków.Po pierwsze, śledzenie ruchów przed treningiem i prawdziwą kolekcją trajektorii obejmuje retargetowanie ruchów humanoidalnych z ludzkich filmów.Wiele zasad śledzenia ruchu jest wstępnie wyszkolonych w celu generowania prawdziwych trajektorii ruchu.Następnie trening modelu akcji Delta jest wykonywany przy użyciu rzeczywistych danych wdrażania.Ten krok minimalizuje rozbieżność między stanem symulowanym a faktycznym stanem rzeczywistym, poprawiając dokładność modelu.
Na etapie dostrajania polityki model akcji Delta jest zamrożony i zintegrowany z symulatorem, aby lepiej dostosować się do fizyki w świecie rzeczywistym.Wstępnie wyszkolona polityka śledzenia ruchu jest następnie dopracowana do większej precyzji.Wreszcie, we wdrażaniu w świecie rzeczywistym, dopracowana polityka jest wdrażana bezpośrednio w świecie rzeczywistym, nie polegając na modelu akcji Delta, zapewniając, że robot może wykonać swoje wyszkolone ruchy niezależnie.
Aby przetestować ramy, naukowcy przeszkolili robota do powtórzenia kultowych ruchów sportowych.Wykonał Skocz Skocz Kobe Bryanta, Silencer Move LeBrona Jamesa i Siu Siu Cristiano Ronaldo z obrotem w powietrzu.Każdy ruch został zarejestrowany.
Ruchy robota wyraźnie przypominają słynne ruchy sportowe, podkreślając postęp w ruchu całego ciała.Jest jednak widoczne, że potrzebne jest znacznie więcej pracy, zanim robot mógłby zostać pomylony z profesjonalnym sportowcem.
Zespół badaczy AI i Robotics z Carnegie Mellon University wraz z dwoma kolegami z Nvidia, stworzył nowy model do szkolenia robotów do poruszania się jak ludzcy sportowcy.Zespół zauważył, że większość treningów robotycznych koncentruje się na lokomocie, prowadząc do robotów, które poruszają się skutecznie, ale bez płynności lub atletyzmu.Aby to rozwiązać, badali trening całego ciała.Odkryli, że istniejące modele nie były możliwe do dostosowania i polegały na zbyt wielu parametrach, dzięki czemu ruchy robotów są zbyt ostrożne.Doprowadziło to do opracowania nowych dwustopniowych ram szkoleń.
Pierwszy etap trenuje moduł AI do analizy filmów z ruchu ludzkiego całego ciała, dostosowując kluczowe ruchy, aby pasowały do możliwości robota za pomocą śledzenia ruchu.Drugi etap gromadzi rzeczywiste dane, aby wypełnić lukę między ludzkim ruchem w filmach a tym, jak roboty mogą się poruszać fizycznie.Proces ten doprowadził do ramy zwanej symulacją wyrównania i rzeczywistej fizyki (najszybciej).
ASAP Framework składa się z czterech kroków.Po pierwsze, śledzenie ruchów przed treningiem i prawdziwą kolekcją trajektorii obejmuje retargetowanie ruchów humanoidalnych z ludzkich filmów.Wiele zasad śledzenia ruchu jest wstępnie wyszkolonych w celu generowania prawdziwych trajektorii ruchu.Następnie trening modelu akcji Delta jest wykonywany przy użyciu rzeczywistych danych wdrażania.Ten krok minimalizuje rozbieżność między stanem symulowanym a faktycznym stanem rzeczywistym, poprawiając dokładność modelu.
Na etapie dostrajania polityki model akcji Delta jest zamrożony i zintegrowany z symulatorem, aby lepiej dostosować się do fizyki w świecie rzeczywistym.Wstępnie wyszkolona polityka śledzenia ruchu jest następnie dopracowana do większej precyzji.Wreszcie, we wdrażaniu w świecie rzeczywistym, dopracowana polityka jest wdrażana bezpośrednio w świecie rzeczywistym, nie polegając na modelu akcji Delta, zapewniając, że robot może wykonać swoje wyszkolone ruchy niezależnie.
Aby przetestować ramy, naukowcy przeszkolili robota do powtórzenia kultowych ruchów sportowych.Wykonał Skocz Skocz Kobe Bryanta, Silencer Move LeBrona Jamesa i Siu Siu Cristiano Ronaldo z obrotem w powietrzu.Każdy ruch został zarejestrowany.
Ruchy robota wyraźnie przypominają słynne ruchy sportowe, podkreślając postęp w ruchu całego ciała.Jest jednak widoczne, że potrzebne jest znacznie więcej pracy, zanim robot mógłby zostać pomylony z profesjonalnym sportowcem.